聚類分析的現(xiàn)狀與前景研究

聚類分析簡要介紹聚類分析是研究如何將樣品或變量進(jìn)行分類的一種方法（將一些觀察對象依據(jù)某些微量特征加以歸類）。主要應(yīng)用于探索性的研究，其分析的結(jié)果可以提供多個(gè)可能的解，選擇最終的解需要研究者的主觀判斷和后續(xù)的分析。分類：系統(tǒng)聚類：用于對小樣本的樣品間聚類以及對變量聚類。動(dòng)態(tài)聚類：適用于樣本量較大時(shí)樣品間的聚類，常用k-means法處理。有序樣品聚類：對有排列次序的樣本的樣品間聚類，要求必須是次序相鄰的樣品才能聚成一類。房價(jià)問題2004年全國37大城市國民經(jīng)濟(jì)和社會(huì)發(fā)展統(tǒng)計(jì)公報(bào)的相關(guān)數(shù)據(jù)分別從國內(nèi)生產(chǎn)總值(GDP)、居民家庭人均可、支配收入、房價(jià)收入比、人均GDP這四個(gè)維度對全國37大城市的房價(jià)問題進(jìn)行聚類分析房價(jià)收入比

房價(jià)收入比：是指居住單元的中等自由市場價(jià)格與中等家庭年收入之比。

例如一套售價(jià)為49萬元的房子對于一個(gè)年收入7萬元的家庭，其比值便為7:1->消費(fèi)群體聚類分析在銀行客戶細(xì)分領(lǐng)域中的應(yīng)用：所用變量：序號變量1客戶年齡2發(fā)卡日期3支付寶交易金額4貸款數(shù)量5一段時(shí)間內(nèi)的交易次數(shù)6一段時(shí)間內(nèi)交易最大金額7一段時(shí)間內(nèi)平均交易金額8一段時(shí)間內(nèi)交易后余額特征向量客戶年齡發(fā)卡日期支付寶交易金額貸款數(shù)量一段時(shí)間內(nèi)的交易次數(shù)一段時(shí)間內(nèi)交易最大金額一段時(shí)間內(nèi)平均交易金額一段時(shí)間內(nèi)交易后余額第一類3819976012315030209490821149968808第二類3919974799174201245464551025964485第三類42199741518244926639141906463558結(jié)果：前景與優(yōu)缺點(diǎn)高維聚類分析已成為聚類分析的一個(gè)重要研究方向。同時(shí)高維數(shù)據(jù)聚類也是聚類技術(shù)的難點(diǎn)。隨著技術(shù)的進(jìn)步使得數(shù)據(jù)收集變得越來越容易，導(dǎo)致數(shù)據(jù)庫規(guī)模越來越大、復(fù)雜性越來越高，如各種類型的貿(mào)易交易數(shù)據(jù)、Web文檔、基因表達(dá)數(shù)據(jù)等，它們的維度（屬性）通?？梢赃_(dá)到成百上千維，甚至更高。但是，受“維度效應(yīng)”的影響，許多在低維數(shù)據(jù)空間表現(xiàn)良好的聚類方法運(yùn)用在高維空間上往往無法獲得好的聚類效果。高維數(shù)據(jù)聚類分析是聚類分析中一個(gè)非常活躍的領(lǐng)域，同時(shí)它也是一個(gè)具有挑戰(zhàn)性的工作。目前，高維數(shù)據(jù)聚類分析在市場分析、信息安全、金融、娛樂、反恐等方面都有很廣泛的應(yīng)用。

聚類分析本身也存在著一些不足，比如快速聚類雖然速度快，但是其分類指標(biāo)要求是定距變量，而實(shí)際研究中，有很多的定類變量，如性別、學(xué)歷、職業(yè)、重復(fù)購買的可能性等多個(gè)與研究目的緊密相關(guān)的指標(biāo)無法直接參與運(yùn)算，而大大限制了它的使用范圍。聚類分析通常不能單獨(dú)的應(yīng)用解決一些問題，需要和其他方法一起結(jié)合使用才能使分析更全面、科學(xué)。并且在聚類分析過程中，針對具體情況分為幾類比較合適，有的軟件沒有提供具體的操作，有時(shí)需要驗(yàn)證。例如用相關(guān)系數(shù)法進(jìn)行聚類分析和指